21世纪以来,随着信息科技的迅速发展,数字图像/视频迅速融入到我们生活的方方面面,图像/视频作为最高效直观的描述载体之一被人们广泛地使用。但是图像/视频在获取、处理和传输过程中往往会带来不同程度的失真,我们往往需要评估其失真程度;另一方面,各种图像增强算法对失真图像进行增强后也需要客观合理自动地评价增强算法的性能。因此,实现快速准确自动客观的图像质量评价方法,具有重要的现实意义与理论价值。图像质量评价方法主要有两种,一种是主观质量评价,另外一种是客观质量评价。前者依赖于人工进行评价,靠主观感受产生的评价结果与主观感受相一致,但耗时长、代价高、稳定性差;后者依靠智能算法自动完成评价,其往往简单便捷、稳定、成本低、可重复性高。但是,现有的一些客观图像质量评价方法并不能与人眼的主观感受保持较高的一致,做到与主观感受一致的结果具有很高的挑战性。针对这个问题,同时受到了人类视觉感受系统(Human Visual System,HVS)对比度敏感特性、多通道特征的启发,本文提一种更加符合人类视觉主观感受的图像质量盲评价算法。本文的创新点如下:1)本文通过空域多尺度滤波分解图像得到不同频带的特征,依次探究这些特征对人类视觉感受系统的影响去寻找出那些符合人眼视觉感受的信息,并通过卷积神经网络拟合、统计特征提取的方式学习输入特征与主观分数之间的关系。2)针对现有的图像质量评价神经网络模型的优缺点进行分析,结合图像块训练与全局信息的提取,既吸收了图像块训练防止过拟合的优点,又保证全局信息拟合主观分数的可靠性,也同时保证测试图片尺度不一时输出结果的稳定性。3)我们还发现不同数据库对应的最佳特征的滤波等级是不一样的,我们认为这个现象与数据生成时图像高低频信息丢失程度有关。最后,我们通过一系列的实验表明出本文模型具有较好的泛化能力,在经典的数据库上都取得了不错的结果。